Robotanist[14][15]是卡內(nèi)基梅隆大學機器人學院FRC實驗室研制一款野外自主農(nóng)作物探測機器人(如圖7(a)(b))，機器人總重140kg，驅(qū)動系統(tǒng)由4個200W無刷直流電機構(gòu)成，通過50:1的空心軸減速機可以G達2m/s的速度在玉米、G粱等農(nóng)作物的地里前進。機器人通過D端的GPS進行全局定位，可實現(xiàn)10mm的定位精度。前后分別安裝有單線激光雷達，用于檢測行進過程中掉落的莖桿和障礙物(如圖7(c))。機器人的姿態(tài)是AHRS使用擴展卡爾曼濾波器(EKF)方法融合MTI等傳感器信息估計機器人相對與全局坐標系的位姿。末端操作器采用二指加持器(如圖7(d))，主要用于加持植物的莖桿并對其進行測量和數(shù)據(jù)采集。
通過2D激光雷達信息采用Hector SLAM實現(xiàn)機器人對地圖的感知和自主導航規(guī)劃，通過頂部的RGB-D相機采集目標物體深度和RGB圖像信息
機器人的學習分為三個部分的軌跡預測包括示教者的手部運動軌跡、示教者的身體移動軌跡以及被操作物體的運動軌跡
Cosero是德國波恩大學的Sven Behnke團隊根據(jù)家庭環(huán)境中的日常操作任務而研制的一款仿人操作機器人基于深度學習方法的目標姿態(tài)估計和RGB-D SLAM等感知測量
機器人、無人機、自動駕駛汽車等加快落地，智慧城市深入建設(shè)，更是為傳感器產(chǎn)業(yè)帶來了難以估量的龐大機遇
中國移動聯(lián)合產(chǎn)業(yè)合作伙伴發(fā)布《室內(nèi)定位白皮書》，對室內(nèi)定位產(chǎn)業(yè)發(fā)展現(xiàn)狀及面臨的挑戰(zhàn)，深入分析了垂直行業(yè)的室內(nèi)定位需求，并詳細闡述了實現(xiàn)室內(nèi)定位的技術(shù)原理， 及室內(nèi)定位評測體系
下一個十年，智能人機交互、多模態(tài)融合、結(jié)合領(lǐng)域需求的 NLP 解決方案建設(shè)、知識圖譜結(jié)合落地場景等將會有突破性變化
自然語言處理技術(shù)的應用和研究領(lǐng)域發(fā)生了許多有意義的標志性事件，技術(shù)進展方面主要體現(xiàn)在預訓練語言模型、跨語言 NLP/無監(jiān)督機器翻譯、知識圖譜發(fā)展 + 對話技術(shù)融合、智能人機交互、平臺廠商整合AI產(chǎn)品線
NVIDIA解決方案架構(gòu)師王閃閃講解了BERT模型原理及其成就，NVIDIA開發(fā)的Megatron-BERT
基于內(nèi)容圖譜結(jié)構(gòu)化特征與索引更新平臺，在結(jié)構(gòu)化方面打破傳統(tǒng)的數(shù)倉建模方式，以知識化、業(yè)務化、服務化為視角進行數(shù)據(jù)平臺化建設(shè)，來沉淀內(nèi)容、行為、關(guān)系圖譜，目前在優(yōu)酷搜索、票票、大麥等場景開始進行應用
通過使用仿真和量化指標，使基準測試能夠通用于許多操作領(lǐng)域，但又足夠具體，能夠提供系統(tǒng)的有關(guān)信息
優(yōu)酷智能檔突破“傳統(tǒng)自適應碼率算法”的局限，解決視頻觀看體驗中高清和流暢的矛盾
姚霆指出，當前的多模態(tài)技術(shù)還是屬于狹隘的單任務學習，整個訓練和測試的過程都是在封閉和靜態(tài)的環(huán)境下進行，這就和真實世界中開放動態(tài)的應用場景存在一定的差異性
